植物的叶片是植物最基本、最主要的生命活动场所，直接反映植物的种类和植物的生长状态，对植物叶片特征的提取与识别不仅可区分植物的种类，探索植物间的亲缘关系和阐明植物的进化规律，也可实时监测植物的生长状况。随着计算机图像处理技术的发展，基于计算机图像处理技术的识别和检索必将成为植物叶片识别和检索的主要手段，因此研究植物叶片图像的特征提取算法具有重要的应用价值。本研究主要探讨植物叶片关键特征叶形、叶脉和纹理信息的提取，并初步构建层次化的叶片检索系统。论文主要包括以下几方面：　　1、叶片基本叶形特征的提取。主要探讨叶片的长宽比、圆形度和矩形度等基本特征的提取。探讨七个不变距原理和通过霍特林变换求最小外接矩形以计算长宽比的算法。　　2、叶片叶脉特征的提取。针对不同的叶片图像，提出两种不同的叶脉提取算法。对于颜色有变化或光照不均匀的植物叶片样本，采用改进的Sobel算子提取基本的叶脉轮廓，用色调信息提取主叶脉，然后将两者融合得到最终的叶脉图像，该方法可弥补Sobel算子或HSI彩色空间提取叶脉的不足，能更准确地提取叶脉信息。为了有效地降低叶脉提取的错分率，提出基于K-means聚类的叶脉提取方法。该方法利用HSI空间中的Ⅰ信息进行K-means聚类，根据聚类的结果提取叶片边界，并将叶片图像分为受光均匀和受光不均匀两类。对于受光均匀的叶片图像在聚类结果中直接提取叶脉，而受光不均匀的叶片图像则需去除部分叶肉后再进行K-means聚类提取叶脉。　　3、叶片纹理特征的提取。对于叶片纹理特征，探讨了基于小波域的灰度共生矩阵的提取算法。该方法对叶片图像进行一级小波变换，得到四幅子图像，然后对子图像进行灰度值范围调整，计算灰度共生矩阵统计特征量。　　4、层次化检索系统的初步构建。该检索系统采用层次化检索策略。在检索第一阶段，利用长宽比滤除与查询图像不相关的图像，从而减少匹配对象的数目；第二阶段，利用叶形、叶脉和纹理特征比较查询图像和匹配图像的相似度，并根据相似度大小排序输出检索结果。